您通过设置batch_size=1创建了批处理，每个批处理包含一个元素。
因此，如果您这样做：

data_iterator = data.as_numpy_iterator()
batch = data_iterator.next()

您只访问了一个图像，因为您的批处理中只有一个图像。要获取下一个批处理，也就是下一个图像，您可以再次调用data_iterator.next()。
但是，如果您只想遍历数据集并打印图像，则可以执行以下操作：

data = tf.keras.utils.image_dataset_from_directory('img',batch_size=1,image_size=(171,256))
for x, y in data:
  print("image: {}, label: {}".format(x,y))

当然，您也可以设置更高的batch_size值，以便一次访问更多的图像。
如果要一次访问一个映像，您可以：

方法1（建议）：迭代批处理以及批处理中的图像：

import numpy as np
from google.colab.patches import cv2_imshow

data = tf.keras.utils.image_dataset_from_directory('img',batch_size=1,image_size=(171,256))
for batch_x, batch_y in data:
    for i, x in enumerate(batch_x):
       x = np.asarray(x)
       cv2_imshow(x)

内部循环允许您分别访问批处理中的图像。使用for batch_x, batch_y in data，您可以获得两个数组，其中第一维是批处理中的样本数。因此，如果您添加一个内部循环，您可以迭代批处理中的元素。在这种情况下，只有一个元素，但该循环使该方法更加通用。

**方法2：**使用索引访问批处理中的图像。

设置batch_size=1后，每个批处理只有一个图像。因此循环的每个batch_x元素都是(1, 171, 256, 3)形状的数组。假设您设置了batch_size=2。这将为您提供(2, 171, 256, 3)的batch_x形状。此时，如果您想显示每个批处理的第二个（即索引1）图像，您可以通过直接索引图像来实现：

import numpy as np
from google.colab.patches import cv2_imshow

data = tf.keras.utils.image_dataset_from_directory('img', batch_size=2, image_size=(171,256))
for batch_x, batch_y in data:
    x = np.asarray(batch_x[1])  # access second image of batch
    cv2_imshow(x)

方法cv2_imshow用于在Google Colab中显示图像。